发表于 2018-02-08 09:38
企业对大数据的应用主要可分成三个阶段。在2010年到2012年之间的第一阶段，大数据应用关注数据和机器的关系，局限于传统的IT思维，只不过在很多小数据应用上贴上了大数据标签；从2013年开始的第二阶段关注数据与人的关系，可视化和预测应用成为了市场的宠儿；2014年之后，大数据应用的重点已经转向分析数据和数据之间的关系，这要求对企业大数据应用进行开放式的创新：从数据的开放、共享和交易，到基础处理和分析平台的开放，再到价值提取能力的开放。（参见：什么是大数据开放。）
大数据对企业决策最重要的影响，不是大数据本身，而是数据和数据之间的关系。大数据价值的实现，在于数据与数据间的连接。
以谷歌的一项数据处理功能为例。谷歌做了一件惊人的事情——能在不懂某个网页语言的情况下，知道网页所讲的内容是什么。试想一下，如果你懂俄语，看出俄语网页里在讲什么当然很简单。但是，如果你不懂俄语，仅仅通过看字词的排列和网站的分类，就知道网页的内容，这是不是很令人惊叹？
这就是一种利用数据间的联系建立起来的知识图谱，知识图谱并不是数据，但它产生的结果要比单纯的数据搜集有价值得多。
除此之外，大数据对企业决策的影响还表现在以下三个层面：
第一，企业在重视获取大数据的同时，开始意识到要抓住大数据的机会并从中获取商业价值，需要使用先进的分析方法。从前我们通过对市场、行业和业务洞见来分析市场形势，传统的BI方案（商业智能方案）也能给我们提供解决方案。然而，大数据分析是全量数据和多数据类型，相对抽样研究，能更能精准体现数据价值。因此，我们需要引入新的技术来提升解读数据价值的能力，比如机器学习和预测能力。此外，数据探索、捕捉实时流动的大数据并把新的大数据来源与原来的企业数据相整合等，也将帮助企业攫取大数据的商业价值。
第二，在应用大数据的同时关注小数据。小数据强调的是定性和定量分析。大数据强调的是趋势和融合分析。小数据的分析往往是面对一个业务主题，而不是行业趋势或热点。小数据在做数据取样和验证结果时能对大量的、宏观的数据分析进行补充。当然，最终我们要获得的是数据价值本身，而不仅仅是把它分为不同类型的数据。所以，无论是大数据还是小数据，都需要我们把所有类型的数据碎片化后，运用先进的关联手段来建立其价值链，通过定制价值路径让数据的价值快速推送到商业应用中。这也是为什么越来越多的企业开始关注企业知识库建设的原因——实现企业数据价值的变现。
第三，在数据的搜集和处理过程中，建立数据属性标签。我们常把数据属性标签比喻成脸谱勾画，通过数据属性标签我们可以更容易识别数据的不同特征。数据标签的属性是指在使用数据前，企业要了解数据的场景以及数据是如何进入这个场景的。因此，数据属性管理的层级化和维度化就变得十分必要，而在将数据属性标签化之前，就说数据如何起了作用也是不现实的。
Copyright ©2005-2021 勤智数码科技股份有限公司 
川公网安备 51019002003506号 蜀ICP备11012966号-7
